En el paquete R AER encontrará la función dispersiontest
, que implementa una Prueba de sobredispersión de Cameron y Trivedi (1990).
Sigue una idea simple: en un modelo de Poisson, la media es y la varianza es también. Son iguales. La prueba simplemente prueba esta suposición como una hipótesis nula contra una alternativa donde donde la constante significa baja dispersión y significa sobredispersión. La función Es una función monotónica (a menudo lineal o cuadrática; la primera es la predeterminada). La prueba resultante es equivalente a probar vs. y el estadístico de prueba utilizado es un estadística que es asintóticamente normal normal bajo nulo.E(Y)=μVar(Y)=μVar(Y)=μ+c∗f(μ)c<0c>0f(.)H0:c=0H1:c≠0t
Ejemplo:
R> library(AER)
R> data(RecreationDemand)
R> rd <- glm(trips ~ ., data = RecreationDemand, family = poisson)
R> dispersiontest(rd,trafo=1)
Overdispersion test
data: rd
z = 2.4116, p-value = 0.007941
alternative hypothesis: true dispersion is greater than 0
sample estimates:
dispersion
5.5658
Aquí vemos claramente que hay evidencia de sobredispersión (se estima que c es 5.57) que habla bastante en contra del supuesto de equidispersión (es decir, c = 0).
Tenga en cuenta que si no lo usa trafo=1
, en realidad hará una prueba de vs. con que, por supuesto, tiene el mismo resultado que la otra prueba aparte de que la estadística de prueba se desplaza por una. Sin embargo, la razón de esto es que este último corresponde a la parametrización común en un modelo cuasi-Poisson. H0:c∗=1H1:c∗≠1c∗=c+1
glm(trips ~ 1, data = data, family = poisson)
(es decir, en1
lugar de.
mis datos), pero genial, graciasUna alternativa es laμ=Var
odTest
de lapscl
biblioteca que compara las proporciones de log-verosimilitud de una regresión binomial negativa con la restricción de una regresión de Poisson . Se obtiene el siguiente resultado:Aquí se rechaza el nulo de la restricción de Poisson a favor de mi regresión binomial negativa
NegBinModel
. ¿Por qué? Porque la estadística de prueba52863.4998
excede2.7055
con ap-value of < 2.2e-16
.La ventaja de esto
AER
dispersiontest
es que el objeto devuelto de la clase "htest" es más fácil de formatear (por ejemplo, convertir a LaTeX) que el 'odTest' sin clase.fuente
Otra alternativa es usar laχ2
P__disp
función delmsme
paquete. LaP__disp
función se puede usar para calcular las estadísticas de dispersión Pearson y Pearson después de ajustar el modelo con o .glm
glm.nb
fuente
Otra opción sería usar una prueba de razón de probabilidad para demostrar que un GLM de cuasipoisson con sobredispersión es significativamente mejor que un GLM de poisson regular sin sobredispersión:
fuente